LK光流算法是一种精确高效的特征跟踪算法, 能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题, 基于LK光流算法, 通过基于图像金字塔的方式跟踪改进后的FAST特征角点, 采用一种鲁棒的单应矩阵估计算法解算配准参数, 提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析, 平均重投影误差为0.16, 平均处理速度为30 Hz。实验结果表明, 该算法能够提取稳定的FAST角点, 快速准确地跟踪匹配序列图像之间的特征, 较好地解决时间序列图像的实时配准问题。

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题，提出了一种改进UKF(无损卡尔曼滤波)预测方法。建立了视觉导航系统模型，利用Harris算法检测角点，并用RANSAC(随机序列一致性)算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值，并通过匹配角点所得姿态观测值对改进UKF预测值进行修正，从而实现加油机姿态的高精度预测。仿真结果表明，改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF，所预测误差小于5.8%，满足空中加油精度要求。该算法避免了强干扰引发的预测出错，有效抑制了突发干扰。

本文基于三坐标测量机(CMM)设计了一套视觉检测系统, 该系统能够对零件实际空间特征信息进行比较全面地提取。针对位于CMM平台上带有角点的零件, 利用Harris算子提取从CMM三个不同方位获取的零件图像的角点。对于Harris算子提取到的角点, 本文提出一种八链码搜索法和SUSAN区域法相结合的伪角点剔除方法, 最后基于立体视觉的原理, 提出“距离空间图”匹配算法, 将以上3幅图像一一建立匹配关系。实验中多次改变零件在CMM中姿态时, 多次实验数据表明本文的角点提取精度与真实角点间仅存在1~2像素的偏差, 零件的定位误差为1~3 mm。通过实验验证, 角点匹配和定位的稳定性和精度满足要求, 具有一定的抗干扰性和实用性。

角点特征是图像的一个重要局部特征，因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质，而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法，该方法利用Harris算子检测出目标角点，通过角点的矩特征形成目标的特征向量，最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点，在遮挡情况下仍能正确匹配70%左右，处理速度达到20 frames/s，满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。

针对基于自适应光学技术的人眼眼底待拼接图像灰度、清晰度不一致以及细节的差异使检测出的角点无法匹配,进而导致图像不能拼接的问题,提出一种在OpenCV配置环境下角点检测的基础上,进行角点匹配的新方法。该方法利用角点间的距离和斜率在眼底很小的区域内基本不变的特性,将两幅图像的角点对相互匹配,进而找到两幅图像中三对一一对应的角点。实验结果表明,用该方法可以解决人眼图像拼接的角点检测和角点匹配问题,而且运算速度快,检测效率高。